Citation
L'auteur
Morgane Gomez
(morgane83.mg@gmail.com) - (Pas d'affiliation)
Copyright
Déclaration d'intérêts
Financements
Aperçu
Contenu
L’intelligence artificielle (IA) est devenue un phénomène universel transformant nos interactions quotidiennes, nos pratiques professionnelles et nos processus éducatifs. Définie comme la capacité des machines à exécuter des tâches nécessitant l’intelligence humaine, elle résulte d’une fusion entre informatique, mathématiques et sciences cognitives. Les systèmes d’IA (SIA) englobent des technologies telles que les algorithmes d’apprentissage automatique, les systèmes de recommandation et les agents conversationnels. Capables d’imiter des comportements humains tels que le raisonnement, la perception, la planification et la créativité, ils ont le potentiel de transformer les méthodes d’apprentissage et d’améliorer les résultats des étudiants en offrant d’innombrables possibilités.
Malgré des débuts modestes, les SIA jouent aujourd’hui un rôle moteur dans la transformation numérique, sociale et économique. Cependant, l’intégration croissante des SIA dans les pratiques éducatives soulève des questions fondamentales sur la nature de l’apprentissage et l’influence des nouvelles technologies. Bien que prometteuse, cette évolution suscite des préoccupations concernant les changements induits dans les méthodes pédagogiques, les résultats académiques et le développement des compétences des étudiants.
La problématique abordée dans cette étude est : comment l’utilisation des SIA impacte la productivité des étudiants et de déterminer les avantages et inconvénients associés à leur intégration dans les pratiques éducatives ? Cette question est cruciale dans le contexte actuel où l’éducation est en pleine transformation numérique.
Les objectifs de cette étude sont multiples : explorer l’impact des SIA sur la productivité des étudiants, examiner les différentes approches de l’apprentissage avec les SIA et analyser les avantages et inconvénients de cette utilisation pour, enfin, identifier les compétences développées et formuler des recommandations pour une utilisation optimale et responsable de ces technologies.
Fondements théoriques
L’éducation traditionnelle repose sur des méthodes d’apprentissage structurées et formelles où l’enseignant joue un rôle central en tant que transmetteur de connaissances et régisseur de l’autorité (Arnold, 2011). Ces méthodes se distinguent par une interaction directe entre enseignants et étudiants, facilitant une transmission claire des savoirs et des attentes précises. Mayer (2004) et Kirschner et al. (2006) soutiennent que cette guidance de l’enseignant est cruciale pour l’assimilation des informations et l’adaptabilité pédagogique.
Cependant, ces méthodes font face à des critiques pour leur manque de personnalisation et d’adaptabilité aux divers profils d’étudiants (Moody & Valarino, 2021). Leur rigidité et leur approche uniforme peuvent entraîner une disparité dans les résultats académiques et ne pas répondre aux besoins spécifiques des élèves en difficulté ou à haut potentiel (Rousseau et al., 2013). La modernité de l’éducation requiert des compétences de pensée critique et de résolution de problèmes que les méthodes traditionnelles ne parviennent pas toujours à développer efficacement.
L’intégration de l’IA dans l’apprentissage offre une alternative prometteuse aux méthodes traditionnelles. L’IA permet une personnalisation à grande échelle, en ajustant les contenus éducatifs en temps réel pour répondre aux besoins individualisés des étudiants (Chen et al., 2020). Les approches d’apprentissage supervisé, non supervisé et par renforcement facilitent cette adaptabilité pédagogique. L’OCDE (2023) souligne que l’IA peut démocratiser l’accès à une éducation de qualité en identifiant les lacunes dans les connaissances et en proposant des parcours d’apprentissage plus inclusifs et équitables.
Les outils d’IA générative, comme ChatGPT, permettent une interaction continue et des réponses instantanées, soutenant ainsi l’engagement et la réussite académique des étudiants (Patel et al., 2023). Toutefois, l’IA n’est pas sans risques. La qualité et la fiabilité des informations fournies par les SIA peuvent varier, il est alors crucial de veiller à une utilisation équilibrée de ces technologies pour éviter une dépendance excessive et une réduction de la pensée critique et de l’autonomie (Zhai, 2022).
L’utilisation de l’IA dans l’éducation représente une évolution majeure, influençant non seulement la manière dont les étudiants apprennent mais aussi les compétences qu’ils développent. Elle favorise l’autonomie et la gestion de l’apprentissage, tout en posant des défis éthiques et de confidentialité des données (Bruneault et al., 2022).
Méthodologie
Pour répondre à la problématique de notre étude, la recherche a été conduite en utilisant une méthodologie quantitative. Au travers d’une collecte de données via un questionnaire Qualtrics distribué à un échantillon de 103 étudiants, nous avons pu quantifier les perceptions et les impacts de l’utilisation de l’IA sur la productivité des étudiants.
Le questionnaire comprenant diverses questions dont des échelles de Likert en cinq points a été administré en ligne auprès d’étudiants via plusieurs réseaux sociaux, tels qu’Instagram, Facebook, Snapchat et LinkedIn afin d’atteindre un éventail de répondants qualifiés. Il a été conçu pour évaluer plusieurs dimensions des SIA et comprend des questions sur leur fréquence d’utilisation, la manière dont les étudiants les utilisent ainsi que la perception de leur efficacité et leur impact sur les résultats académiques et le développement des compétences.
Les réponses collectées ont été codées numériquement et analysées sur Excel à l’aide de tests ANOVA, de corrélations et de régressions pour identifier les tendances et les relations entre les variables étudiées, puis testés en validant ou rejetant les hypothèses formulées, permettant ainsi de déterminer l’impact précis de l’IA sur la productivité des étudiants.
Bien que notre étude soit dirigée par l’hypothèse principale selon laquelle l’utilisation de l’IA influence la productivité des étudiants, nous avons émis quelques hypothèses secondaires : l’hypothèse selon laquelle l’utilisation de l’IA améliore la performance académique, qu’elle permet de réduire le stress, la surcharge et les pressions liées aux études, ou encore qu’une utilisation trop intensive réduit l’autonomie des étudiants.
Principaux résultats
Notre échantillon est composé de 35% d’hommes et 65% de femmes, âgés de 23 ans en moyenne. 88% utilisent l’IA dans le cadre de leurs études tandis que 12% ne l’utilisent pas. Il apparait que seuls 37% d’entre eux ont reçu une formation à l’utilisation de l’IA.
Concernant l’amélioration des résultats académiques, on retrouve un coefficient de corrélation (R²) de 0.33 validant cette hypothèse. Via un test ANOVA, nous avons pu montrer que l’IA améliore de manière significative (p-value = 0,023) la satisfaction et personnalise l’apprentissage.
L’hypothèse selon laquelle l’IA diminuerait les compétences des étudiants et les rendrait fainéants est rejetée. Les résultats montrent aussi que l’utilisation de l’IA améliore légèrement l’autonomie des étudiants.
Si nous avons pu identifier une tendance, l’hypothèse concernant la réduction du stress et des surcharges ne peut être complètement validée. 91 étudiants sur 103 affirment que l’IA améliore leur gestion du temps, ce qui pourrait indirectement réduire le stress.
Enfin, les coefficients de corrélation positifs 0,436 et 0,417 (p-values = 0,000) montrent que l’IA permet d’adapter les contenus pédagogiques, augmentant l’efficacité et les performances académiques.
L’utilisation de l’IA a un impact globalement positif sur la productivité académique des étudiants. Les SIA permettent aux étudiants de gérer leur temps de manière plus efficace, en automatisant certaines tâches répétitives et en fournissant des réponses instantanées à leurs questions. Cette assistance personnalisée conduit à une amélioration notable de la performance académique et de l’engagement des étudiants.
Toutefois, lorsque nous avons demandé aux étudiants de nous faire part de leurs sentiments, nous avons pu récolter des tendances et préoccupations face à l’essor actuel de l’IA. Malgré une puissance prometteuse de ces outils, ils suscitent également des interrogations et des peurs, mettant en lumière l’importance de promouvoir une utilisation équilibrée et responsable, ainsi que la nécessité d’une formation adéquate à l’utilisation des SIA afin de maximiser les bénéfices de leur utilisation dans le domaine éducatif.
Recommandations
Pour maximiser les bénéfices de l’utilisation de l’IA dans l’éducation tout en minimisant ses risques et inconvénients, nous recommandons tout d’abord aux établissements éducatifs de réaliser des formations et sensibilisations à l’utilisation des SIA. Ces formations doivent inclure des aspects techniques, éthiques et pratiques, en insistant sur la vérification des informations et la compréhension des limites de ces technologies en intégrant en parallèle des ateliers pratiques permettant aux étudiants et aux enseignants de se familiariser avec ces technologies.
Il est crucial que l’IA soit utilisée comme un complément aux méthodes pédagogiques traditionnelles, et non comme un substitut. Les enseignants doivent encourager l’utilisation de l’IA pour automatiser les tâches répétitives et faciliter l’apprentissage, tout en préservant les interactions humaines essentielles à la pensée critique et à l’autonomie des étudiants.
Les fonctionnalités de personnalisation offertes par l’IA doivent être exploitées pour adapter les contenus pédagogiques aux besoins individuels des étudiants, améliorant ainsi leur engagement et leur satisfaction.
Il est recommandé de développer des solutions d’IA spécifiquement conçues pour le milieu éducatif en offrant toutes les fonctionnalités liées aux bénéfices recherchés et adaptées aux besoins réels des étudiants et enseignants.
Enfin, afin de créer un environnement d’apprentissage adapté, il est crucial de sensibiliser chaque type d’utilisateur aux différents enjeux éthiques et à la protection des données liés à cette utilisation. Des politiques claires doivent être établies pour garantir la protection des données et la confidentialité des utilisateurs.
Impact et utilité
L’étude de l’impact de l’utilisation des SIA sur la productivité des étudiants peut transformer significativement les pratiques éducatives et les organisations académiques. L’intégration des SIA dans le milieu éducatif permet non seulement d’améliorer la productivité académique des étudiants mais également de personnaliser l’apprentissage, ce qui optimise l’engagement et la motivation des élèves. En effet, nos résultats montrent que les SIA permettent d’automatiser des tâches répétitives, libérant ainsi du temps pour les étudiants afin qu’ils se concentrent sur des activités à plus forte valeur ajoutée.
De plus, cette analyse peut aider les institutions à adapter leurs contenus pédagogiques en fonction des besoins spécifiques de chaque élève, augmentant alors l’efficacité de l’enseignement. Cette approche personnalisée peut être un atout majeur pour les établissements scolaires cherchant à améliorer leurs taux de réussite et à mieux répondre aux besoins diversifiés de leur population étudiante.
Pour les acteurs de terrain, tels que les enseignants et les administrateurs scolaires, les conclusions de cette recherche offrent des pistes concrètes pour intégrer de manière efficace et éthique les SIA dans leurs pratiques pédagogiques. Il est essentiel de fournir une formation adéquate aux enseignants et aux étudiants sur l’utilisation de ces technologies, en mettant l’accent sur la compréhension de leurs limites et sur l’importance de vérifier la fiabilité des informations fournies.
Cette étude pourrait également être utilisée comme base pour de futures recherches académiques sur l’impact des SIA à long terme dans le milieu éducatif. Les résultats obtenus peuvent guider les chercheurs dans l’exploration des effets des SIA sur la pédagogie et le développement des compétences des étudiants car elle souligne l’importance d’une approche équilibrée, combinant les méthodes d’apprentissage traditionnelles avec les nouvelles technologies pour maximiser les avantages tout en minimisant les risques.
Conclusion
Cette étude a exploré l’impact des SIA sur la productivité des étudiants et a identifié des moyens d’optimiser les différents impacts qui en découlent. Les résultats montrent que l’IA peut améliorer de manière significative la performance académique et la satisfaction des étudiants en offrant des avantages tels que la personnalisation de l’apprentissage, le gain de temps, l’autonomie et la réduction du stress. L’IA permet également une assistance en temps réel, l’automatisation des tâches et une meilleure compréhension des sujets.
Cependant, notre étude a aussi révélé certains problèmes, notamment l’utilisation irresponsable de l’IA pouvant entraîner une perte d’autonomie et une dépendance. Une telle utilisation des SIA, sans une compréhension adéquate de leurs limites, peut conduire à des pratiques académiques inappropriées.
Cette recherche est importance du fait de ses recommandations pratiques pour une utilisation équilibrée de l’IA dans l’éducation. Elle souligne la nécessité d’une formation adéquate pour les étudiants et les enseignants, incluant des aspects techniques, éthiques et pratiques. Une formation est essentielle pour vérifier la fiabilité des informations fournies par l’IA et pour garantir une utilisation responsable de ces technologies.
Notre étude encourage les établissements éducatifs à intégrer les SIA comme compléments des méthodes pédagogiques traditionnelles plutôt que comme substituts, car ceux-ci offrent des opportunités pour améliorer la productivité et la satisfaction des étudiants, à condition que leur utilisation soit encadrée et équilibrée.
Les recherches futures pourraient explorer les impacts à long terme de l’utilisation des SIA dans l’éducation, permettant ainsi de développer de nouvelles approches pédagogiques. En conclusion, une combinaison des méthodes traditionnelles d’apprentissage et des SIA peut fournir un enseignement adapté aux besoins spécifiques de chaque élève, tirant pleinement parti des avantages des SIA tout en préservant les bases fondamentales de l’éducation.
Bibliographie
- Arnold, I. (2011). John Hattie: Visible learning: A synthesis of over 800 meta-analyses relating to achievement. International Review of Education, 57, 219–221.
- Bruneault, F., Laflamme, A.S., & Mondoux, A. (2022). Former à l’éthique de l’IA en enseignement supérieur : référentiel de compétence.
- Chen, Z., Zhang, J., Jiang, X., Hu, Z., Han, X., Xu, M., Savitha, & Vivekananda, G.N. (2020). Education 4.0 using artificial intelligence for students’ performance analysis. Inteligencia Artificial, 23(66), 124–137.
- Kirschner, P. A., Sweller, J., & Clark, R.E. (2006). Why minimal guidance during instruction does not work: An analysis of the failure of constructivist, discovery, problem-based, experiential, and inquiry-based teaching. Educational Psychologist, 41(2), 75–86.
- Mayer, R.E. (2004). Should there be a three-strikes rule against pure discovery learning? The case for guided methods of instruction. American Psychologist, 59(1), 14–19.
- Moody, Z., & Valarino, I. (2021). Diversity and equality in education (2000-2019): developments, challenges and prospects. Swiss Journal of Educational Research, 43(1), 84– 97.
- OCDE (2022). Exploiter la puissance de l’IA et des technologies émergentes : Document de référence destiné à la Réunion ministérielle du CPEN, Document de travail de l’OCDE sur l’économie numérique, n° 340, Éditions OCDE, Paris.
- Patel, S.B., Lam, K., & Liebrenz, M. (2023). ChatGPT: friend or foe. Lancet Digit Health, 5(3), e102.
- Rousseau, N., Bergeron, G., & Vienneau, R. (2013). L’inclusion scolaire pour gérer la diversité : des aspects théoriques aux pratiques dites efficaces. Revue Suisse des Sciences de l’Éducation, 35(1), 71–90.
- Zhai, X. (2022). ChatGPT user experience: implications for education. SSRN Electronic Journal. 1(10), 1–18.
il ne peut pas avoir d'altmétriques.)
Nb. de commentaires
0